Sistemas de Equações

Lineares (SEL ) – Parte II

Profs.: Bruno Correia da Nóbrega Queiroz
José Eustáquio Rangel de Queiroz
Marcelo Alves de Barros
 Sistemas Lineares - Métodos
Iterativos

 É bastante comum encontrar sistemas lineares que

envolvem uma grande porcentagem de coeficientes nulos.

 Esses sistemas são chamados de sistemas esparsos.

 Para esses tipos de sistemas, o método de Eliminação de

Gauss não é o mais apropriado, pois ele não preserva essa
esparsidade, que pode ser útil por facilitar a resolução do
sistema.

 Método mais apropriado para esse tipo de sistema 

métodos iterativo de Gauss-Seidel.

2
 Métodos Iterativos
 partem de um vertor de com uma solucão inicial
 i.e. valor inicial para todas as variáveis
 a cada iteracão:
 obtem-se um outro vetor de solucões “melhoradas”, obtido por
substituicão no sistema de equacões (modificado para o método)
 calcula-se o erro de todas as variáveis
 até que todos os erros sejam menores que Epsilon
 dependendo de “certas” condicões o método irá convergir para a solucão
do sistema de equacões

3
 Métodos Iterativos
Mais um vetor último
Novo vetor solucão X² vetor
solucão X¹ solucão
vetor
solucão
inicial X° x 01 x 11 x 12 x1

x 02 x 12 x 22 x2

x 03  x 13  x 23  x3

x 04 x 14 x 24 x4
⋮ ⋮ ⋮ ⋮
x 0n x 1n x n2 xn
4
 Métodos Iterativos
 Notacão:
 xk
i

 valor da variável xi na k-ézima iteracão

 “erro” da variável xi na k-ézima iteracão:
 | xik - xik-1 |
 i.e. valor da variável na iteracão atual menos o seu
valor na iteracão anterior

5
 Métodos Iterativos
 Outra vantagem destes métodos  não são tão suscetíveis
ao acúmulo de erros de arredondamento como o método
de Eliminação de Gauss.

 É importante lembrar que:

 Como todo processo iterativo, estes métodos sempre

apresentarão um resultado aproximado, que será tão
próximo do resultado real conforme o número de
iterações realizadas.
 Além disso, também é preciso ter cuidado com a
convergência desses métodos.

6
 Sistemas de Equações Lineares

Métodos Iterativos

 Transforma o sistema linear Ax=b em x = Cx +g

 A: matriz dos coeficientes, n x m
 x: vetor das variáveis, n x 1;
 b: vetor dos termos constantes, n x 1.  C: matriz n x n
 g: vetor n x 1
 Métodos utilizados:
 Gauss-Jacobi

 Gauss-Seidel

7
 Sistemas de Equações Lineares
Método de Gauss-Jacobi

 Conhecido x(0) (aproximação inicial) obtém-se

consecutivamente os vetores:

x 1=Cx 0  +g, primeira aproximação

x 2=Cx 1 +g, segunda aproximação, etc .

 De um modo geral, a aproximação x(k+1) é calculada

pela fórmula
x(k+1) = C x(k)+g, k=0, 1, ...
8
 Sistemas de Equações Lineares
Método de Gauss-Jacobi
 Da primeira equação do sistema
a11 x1 + a12 x2 + ... +a1n xn = b1

obtém-se x1 = (1/a11) (b1 - a12 x2 - ... -a1n xn)

analogamente x2 = (1/a22) (b2 - a21 x1 - ... -a2n xn)

. .
. .
xn = (1/ann) (bn - an1 x1 - ... - an,n-1 xn-1 )
9
 Sistemas de Equações Lineares
Método de Gauss-Jacobi

 Desta forma para x= Cx+g

0 - a12 /a11 ... - a1n /a11 


C=  - a21 /a22 0 ... - a2n /a22 
 . . . 
 
- an1 /ann - an2 /ann 0

g= ( b1 /a11 b2 /a22 ... bn /ann ) -1

10
 Sistemas de Equações Lineares
Método de Gauss-Jacobi - Critério de parada

 Distância entre duas iterações

d(k) = max xi(k) - xi(k-1) 

 Critério de parada

dr(k) = d(k)/ (max xi(k) ) < 

11
 Sistemas de Equações Lineares
Método de Gauss-Jacobi - EXEMPLO

 Seja o sistema 10 x1 + 2x2 + 3x3 = 7

x1 + 5x2 + x3 = -8
2x1 + 3x2 = 10x3 = 6

 0 - 2/10 - 1/10   -7/10 

C=  

g=  
-1/5 0 - 1/5   
   -8/5 
-1/5 – 3/10 0
-6/10
12
 Sistemas de Equações Lineares
Método de Gauss-Jacobi - EXEMPLO

 0,7 
Com x0 =   e  = 0,05
 -1,6 
 
0,6

 0 - 2/10 - 1/10   -7/10 

C=  

g=  
-1/5 0 - 1/5   
   -8/5 
-1/5 – 3/10 0
-6/10
13
 Sistemas de Equações Lineares
Método de Gauss-Jacobi - EXEMPLO
 = 0,05

 0,96
obtemos  
x(1) = Cx(0) + g =  -1,86 
 
0,94
|x1(1) – x1(0)| = 0,26
|x2 (1)
–x (0)
| = 0,26 dr(1) = 0,34/ (max xi(1) )
2
= 0,1828 > 
|x3(1) – x3(0)| = 0,34

14
 Sistemas de Equações Lineares
Método de Gauss-Jacobi - EXEMPLO
 = 0,05

 0,978 
x(2) =   dr(1) = 0,12/ 1,98 = 0,0606 > 
 -1,98 
 
0,966

 0,9997 
x(3) =  -1,9888  dr(1) = 0,0324/ 1,9888 = 0,0163 < 
 
 0,984 
15
 Sistemas de Equações Lineares

Método de Gauss-Seidel

 Conhecido x(0) (aproximação inicial) obtém-se x1, x2, ...xk.

 Ao se calcular x k+1
j
usa-se todos os valores

x 1k+1 , .. . ,x k+1
j−1 que já foram calculados e os valores

x kj+1 ,...,x kn restantes.

16
 Métodos Iterativos –
Gauss Seidel
Descrição do Método
 Seja o seguinte sistema de equações:

a11 .x 1  a12 . x 2  a13 .x 3  ...  a1n−1 . xn−1  a1n−1 . x n = b1

a21 .x 1  a22 . x 2  a23 .x 3  ...  a2n−1 . xn−1  a2n−1 . x n = b2

a31 .x 1  a32 . x 2  a33 .x 3  ...  a3n−1 . xn−1  a3n−1 . x n = b3

⋮
an . x 1
1
 an . x 2  an . x3  ...  an n−1 .x n−1  ann . xn = bn
2 3 1

17
 Métodos Iterativos –
Gauss Seidel
 Isolando xi a partir da linha i, tem-se:

1
x1 =  b1−a12 . x 2−a13 . x 3−a1, n−1 . x n−1−a 1n . x n 
a 11

1
x2 =
a 22
 b2−a21 . x 1−a23 . x 3−a2, n−1 . x n−1−a 2n . x n 

1
x3 =
a 33
 b3−a31 . x 2−a32 . x 2−a3, n−1 . x n−1−a 3n . x n 

⋮
1
xn =
a nnb n−an . x 1−an . x2 −.. .−an,n−1 . xn−1
1
2

18
 Métodos Iterativos –
Gauss Seidel
 O processo iterativo é obtido a partir das equações, fazendo:

k+1 1
x1 =
a11
 b1−a12 . x2k−a13 .x k3−...−a1, n−1 .x kn−1−a1n . xnk 

k+1 1
x2 =
a22
 b2−a21 . x1k+1−a23 . x3k−...−a2, n−1 .x kn−1−a2n .x kn 

1
x3k+1=
a33

b3−a31 . x1k+1−a32 . x2k+1−...−a3, n−1 . x kn−1−a3n . xnk 

k+1 1
xn =
ann  bn−an1 .x k+1
1 −a .x
n2 2
k+1
−...−a . x
n,n−1 n−1
k+1

19
 Métodos Iterativos –
Gauss Seidel
Critério de Parada
 Diferença relativa entre duas iterações consecutivas.
 Define-se por diferença relativa a expressão:

 xik 1  xik

Máx. se xik 1  0
 1in xik 1


M Rk 1  
0 se xik 1  xik  0

  xik 1  0
 1 se  k
  xi  0

 Fim do processo iterativo - valor de MRk+1 pequeno o bastante
para a precisão desejada.
20
 Métodos Iterativos –
Gauss Seidel

Exemplo: Resolva:

Solução:

21
 Métodos Iterativos –
Gauss Seidel

x = 1,002 y = 0,998 z = -1

Verificação (substituição no sistema):

5.(1,002) + (0,998) + (-1) = 5,008  5 ok
3.(1,002) + 4.(0,998) + (-1) = 5,998  6 ok
3.(1,002) + 3.(0,998) + 6.(-1) = 0 ok
22
 Método de Gauss-Seidel - Critérios de
Convergência

 Processo iterativo  a convergência para a solução exata não é

garantida para qualquer sistema.

 No sistema de equações lineares existem certas condições que,

se forem satisfeitas irão garantir a convergência do método.

 essas condições são SUFICIENTES para convergencia,

 mas NÃO são condições necessárias,
 significa que seria possível a convergência do método
para um certo sistema, mesmo não que este não obedeça
às condições abaixo:

 As condições de convergência são os critérios:

 Critério de Sassenfeld

 Critério das Linhas.

23
 Método de Gauss-Seidel - Critérios de
Convergência

 OBS:
 Se um sistema linear obedece aos critérios de Sassenfeld
então também obedece aos critérios de linha (diagonal
dominate).

24
 Critério de Sassenfeld
 Sejam as quantidades  i dadas por:

[ ]
i−1 n
1 1
β 1=∣ ∣⋅∑ ∣a 1j∣ e β i =∣ ∣⋅ ∑ ∣a ij∣⋅β j  ∑ ∣a ij∣
a11 j=2 a ii j=1 j=i+1

para i = 2, 3, ..., n.
n - ordem do sistema linear que se deseja resolver
aij - são os coeficientes das equações que compõem o sistema.

 Este critério garante que o método de Gauss-Seidel convergirá

para um dado sistema linear se a quantidade M, definida por:

βi for menor que 1 (M<1).
25
 Critério de Sassenfeld

 Exemplo: Seja A, a matriz dos coeficientes e b o vetor dos

termos constantes dados por:

1
β 1=∣ ∣⋅ a12 +a 13 +a 14 
a11
a11 a12 a13 a14 b1
1
a21 a22 a23 a24 b2 β 2=∣ ∣⋅∣a21∣β1 ∣a23∣∣a24∣
a22
a31 a32 a33 a34 b3
1
a41 a42 a43 a44 b4 β 3=∣ ∣⋅∣a31∣β1 ∣a32∣β2 ∣a34∣
a33
1
β 4=∣ ∣⋅∣a41∣β1∣a42∣β 2∣a43∣β 3 
a44
26
 Critério de Sassenfeld

Exemplo: Mostre que a solução do sistema linear dado

pelas equações:

convergirá pelo método de Gauss-Seidel.

27
 Critério de Sassenfeld
 Solução: critério de Sassenfeld
A B
 calcular os valores das quantidades  .
i

1
β 1= ⋅ 10. 20. 2 =0. 7
2 2.0 1.0 -0 .2 0.2 0 .4
1 0.6 3.0 -0 .6 -0.3 -7 .8
β 2= ⋅ 0 . 6⋅0. 70.60.3  =0. 44 -0.1 -0 .2 1.0 0 .2 1 .0
3
0.4 1 .2 0 .8 4.0 -10 .0
1
β 3= ⋅ 0 . 1⋅0. 70.2⋅0. 440.2 =0.358
1
1
β 4= ⋅ 0 .4⋅0 . 71 .2⋅0. 440.8⋅0.358  =0 .2736
4
M é menor que 1  a solução
β =0 .7i
desse sistema irá convergir usando
o método de Gauss-Seidel.
28
 Critério das Linhas

 Segundo esse critério, um determinado sistema irá convergir

pelo método de Gauss-Seidel, se:

a
j 1
ij  aii , para i=1, 2, 3, ..., n.
j i

29
 Critério das Linhas
Exemplo: O sistema do exemplo anterior satisfaz o critério das
linhas e essa verificação pode ser feita de maneira quase
imediata, observando-se que:

2⋅x 1 +x 2−0.2⋅x 30.2⋅x 4=0.4

0.6⋅x 13⋅x 2−0.6⋅x 3−0.3⋅x 4=−7.8
−0.1⋅x 1−0.2⋅x 2 +x 30.2⋅x 4=1.0
0.4⋅x 11.2⋅x2 0.8⋅x3 4⋅x 4 =−10.0

∣a11∣=2∣a12∣∣a13∣∣a14∣=10.20.2=1.4 n

∣a22∣=3∣a21∣∣a23∣∣a24∣=0.60.60.3=1.5 a
j 1
ij  aii
j i
∣a33∣=1∣a31∣∣a32∣∣a34∣=0.10.20.2=0.5
para i=1, 2, 3, 4.
∣a44∣=4∣a41∣∣a42∣∣a43∣=0.41.20.8=2.4
30
 Considerações Finais

É importante saber que:

 Os Critérios são condições suficientes, porém não

necessárias, para a convergência do método de Gauss-
Seidel para um dado sistema linear  Isso significa que um
sistema pode não satisfazer esses critérios e ainda
convergir.

 Um sistema pode não satisfazer o critério das linhas e

satisfazer o critério de Sassenfeld, o que garantirá sua
convergência.

31
 Considerações Finais
Exemplo: 10⋅x1 +x 2 =23
Seja o sistema:
6⋅x 12⋅x2 =18

Note que esse sistema não satisfaz o critério das linhas, pois:
∣a 22∣= 2 ∣a 21∣= 6

porém, ele satisfaz o critério de Sassenfeld:

1 β i= 0 . 3  1
β 1=∣ ∣⋅1=0.1
10
1
β 2=∣ ∣⋅ 6⋅0.1 =0.3  Convergência garantida.
2
32
 Considerações Finais

Outra observação importante

 A ordem com que as equações aparecem no sistema.

 Apesar da ordem das equações não alterar a solução do
sistema, ela pode alterar a convergência do mesmo pelo
método da Gauss-Seidel.

33
 Considerações Finais
Exemplo:
Seja o sistema: −4⋅x 110⋅x 2=19
5⋅x 13⋅x 2=15

 Na forma como o sistema está representado, ele não

satisfaz o critério das linhas (verifique isso), portanto sua
convergência não é garantida.

 Porém, trocando-se a ordem das duas equações, o

sistema satisfaz esse critério, e sua convergência pelo
método de Gauss-Seidel é garantida (verifique isso
também).
34